金丝雀发布失败与暗发布容量规划解析

44、为什么金丝雀发布流程失败如此严重，以至于在找到原因之前要停止开发？

因为失败的金丝雀发布意味着测试流程遗漏了某些问题。

金丝雀发布是防止意外不良版本发布的保险措施，而非检测不良版本的方式。

这种失败应该极为罕见，一旦发生，就需要停止开发，投入资源确定问题所在，并增加额外测试以防止未来再次出现此类失败。

45、在新服务推出时，如何使用暗发布技术进行容量规划？

在新服务推出时，可使用 暗发布技术 来弥补知识差距，进行准确的容量规划。具体做法如下：

1. 为新功能创建软件开关和暗发布开关；
2. 创建一个样本交易并保存到虚拟区域；
3. 修改现有交易，使其在暗发布开关开启时表现不同；
4. 使用资源回归分析技术查看与新功能相关的资源成本，进行初步容量规划；
5. 逐步增加样本暗发布交易的百分比，直到达到实际使用可能出现的水平，并留出一定余量；
6. 关闭暗发布，为客户开启新功能。

在暗发布期间，可修复发现的错误，并根据需要调整容量。

46、什么是持续部署，它有哪些好处？

持续部署

持续部署是指每个通过测试的版本都会自动部署到生产环境的过程。它需要持续集成和持续交付，以及自动化任何其他测试、审批和代码推送流程。

好处包括：

• 通过自动化和频繁操作降低风险、改进流程；
• 创建可重复的部署流程；
• 使用面向服务的架构，可对特定子系统进行持续部署；
• 将一些难以判断的因素转化为可衡量的指标，用于自动禁用自动部署；
• 能确保部署的内容满足基本功能要求；
• 促使找到问题的根本原因并解决，而不是简单打补丁。

47、什么时候你会使用脚本语言而不是编译语言，为什么？在哪些情况下你会使用编译语言进行自动化？

使用脚本语言与编译语言的情况及原因

使用脚本语言而非编译语言的情况及原因

• 脚本语言适合快速开发，常用于系统编程，如 Perl、Python 和 Ruby。
• 它们比 shell 脚本更灵活、通用，更具表现力。
• 能更好地组织代码、扩展功能。
• 鼓励现代编码实践。
• 有更好的测试工具和更多预编写库。
• 能更轻松访问网络、存储和数据库。
• 具有更好的错误检查。
• 虽然执行速度比编译语言慢，但在自动化中速度并非总是关键因素：
• 若程序受磁盘 I/O 等因素限制速度，语言速度就不重要。
• 对于规模不大的项目，脚本语言是合适选择。

使用编译语言进行自动化的情况

• 编译语言适合大规模自动化。
• 用编译语言编写的自动化通常比用脚本语言编写的扩展性更好。
• 编译语言通常是静态类型，能在编译时捕获更多错误。
• 常用于系统管理的编译语言有 C、C++ 和 Go。

48、值班系统的主要设计元素有哪些？

值班系统的主要设计元素

1. 从服务的SLA出发 ，反向创建值班SLA，再设计满足值班SLA的值班方案。需针对不同服务进行计算，也可按响应时间划分服务类别简化流程；
2. 制定值班人员名单 ，涵盖合格的运维人员、开发人员和管理人员。新员工要接受值班技能培训；
3. 建立自动化系统检测问题并向值班人员发出警报 ，制定轮班表，明确主值班人和副值班人，提前做好值班安排；
4. 编写处理警报的“操作手册” ，记录每种警报的技术描述、业务影响和解决方法，并不断完善；
5. 针对所有故障制定应对措施 ，频繁激活的措施实现自动化，不常激活的措施定期自动演练；
6. 实现系统自动扩展和缩减 ，系统过载或性能下降时自动切换使用更少资源的算法。

49、在你的组织中，担任值班职责的先决条件是什么？

值班职责先决条件

人员方面

• 值班名单组成 ：由合格的运维人员、开发人员和管理人员组成
• 所有运维人员均应在名单中

• 开发人员也应在名单中

• 新入职运维人员培训

• 培训计划聚焦于掌握值班所需技能
• 通常三到六个月应能承担值班职责

准备工作方面

• 值班轮班准备清单
• 值班人员需在轮班开始前通过清单确保自身准备就绪

• 清单项目用于验证以下内容：

  • 可达性 ：警报通知系统正常工作
  • 可发送测试警报进行验证
  • 访问权限 ：具备响应警报所需资源
  • 如VPN软件正常、笔记本电脑电池充满、能清醒执行操作等

• 问题处理

• 若发现问题需及时解决

• 清单启用时间

• 清单应提前适当时间启用
• 目的：以便有时间协商延长当前值班人员轮班或寻找替代人员

50、事后分析报告包含哪四个要素，每个要素需要哪些细节？

事后分析报告结构

事后分析报告包含以下四个主要组成部分：

1. 事件描述

• 应说明受影响的对象（如内部客户或外部客户）
• 应说明受影响的服务

2. 事件时间线

• 在事后重建
• 明确实际发生的事件顺序和时间

3. 促成条件分析（CCA）

• 详细说明事件发生的原因
• 包括可能促成事件的任何重要背景信息（如高峰服务时间、重大负载）

4. 防止未来发生此类事件的建议

• 包括列表中每个建议的工单或错误 ID

51、随时间推移，值班系统应如何改进运营？

值班系统改进建议

值班系统可通过以下方式改进运营：

1. 数据驱动的决策与容量预测
   - 持续收集交易处理时间、内存使用等数据
   - 利用这些数据支持运营决策，并预测未来的容量需求

2. 问题的早期检测与修复
   - 通过测量数据及时发现并修复内部问题
   - 避免问题扩大至影响用户体验

3. 警报处理的操作手册
   - 针对各类警报制定详细的“操作手册”
   - 不断优化手册内容，提升应对效率

4. 对策的定期演练
   - 对于不常激活的应对措施进行周期性自动演练
   - 确保在实际需要时能够有效执行

5. 警报处理的闭环管理
   - 值班人员在解决警报后进行分类、标注和记录
   - 撰写事后分析报告，提交修复请求